汽車風洞中波束成形聲源識別技術應用進展

沈 哲，楊志剛，王 勇，王毅剛，賀銀芝

（1.汽車噪聲振動和安全技術國家重點實驗室,重慶 401122；2.同濟大學 機械工程博士后流動站，上海 201804；3.同濟大學 上海地面交通工具風洞中心，上海 201804；4.上海市地面交通工具空氣動力與熱環境模擬重點實驗室，上海 201804）

國內首個整車氣動聲學風洞落成十年來，國內汽車風噪測試技術取得了長足進步。基于波束成形（Beamforming）原理[1]的遠場聲源識別可有效辨識氣動聲源，是整車風洞中車外氣動噪聲開發的理想手段。聲源識別在整車風洞中的應用場景又有其自身的特點，存在目標范圍大、聲源復雜、測量距離遠，剪切層折射等一系列問題。早期，受限于測試條件、計算機處理能力、算法軟件等客觀條件，聲源識別技術在汽車風洞中的測試效果并不十分理想[2-3]，在整車開發工程中的應用場景有限。近十年來，得益于計算機科學的迅猛發展以及相關改進算法的革新，聲源識別系統的測量準確度和使用便利性大幅提高[4-5]，在汽車風洞試驗中的使用頻次逐步上升[6-7]，具有廣泛的應用前景。

本文對波束成形聲源識別的原理、關鍵性能參數，以及相關研究動態和應用實踐進行了綜述，回顧并總結了相關技術在汽車風洞中的使用經驗，以期對相關研究或工程開發提供參考。

1 基本概況

1.1 波束成形概述

波束成形最初來源于雷達天線技術，基本原理是設置一組傳感器陣列，通過信號識別技術分析波陣面到達各個傳感器的時間差，利用位置差和相位差計算波來源的方向[1]。在聲源識別設備中，所使用的傳感器為壓力型傳聲器，捕捉識別的是聲波的波陣面。圖1是用波束成型獲得二維傳聲器陣列平面波傳播方向的原理圖。

圖1 相位傳聲器陣列識別聲源的原理

如圖2 所示，波束成形聲源識別系統總是存在一個主瓣指向真實聲源，同時存在很多由其它波陣面干擾形成的旁瓣。

圖2 波束成形主瓣、旁瓣的關系

主瓣和旁瓣之間的關系決定系統的主要性能指標。

動態范圍又稱為最大旁瓣水平，表示陣列抑制非指向方向旁瓣的能力，當系統的設置量程超過動態范圍時將出現由旁瓣產生的虛假聲源（Ghost）。

主瓣寬度決定對單個聲源的定位范圍，主瓣寬度越小，識別到的聲源位置越準確。

空間分辨率為聲源識別系統識別分辨兩個相鄰聲源的能力，由各個聲源的主瓣寬度決定，當陣列聲源之間的距離較遠時，采用能分辨的兩聲源之間的最小距離來表示。

1.2 整車風洞應用特點

1.2.1 聲源特點

整車風洞中主要測試對象是汽車，與縮比模型、零部件等其它聲源識別測試對象相比幾何尺寸大很多，測試區域的直徑通常大于5 m。汽車產生的氣動噪聲頻率范圍很寬，基本涵蓋整個人耳可聽聲范圍，且各聲源隨機性強、相干性弱。

1.2.2 測試環境

整車風洞為滿足阻塞比要求，測試段尺寸較大，外場聲源識別的測試距離較遠，通常大于4 m。整車聲學風洞一般都經過消聲處理，通常能滿足半消聲室要求，即聲源識別在反射聲方面只需要考慮地面的影響。此外，在風洞外場測量時，聲信號受到射流結構（主要是剪切層）的干擾，聲源識別會產生聲漂移現象，需要進行修正。

1.2.3 工程開發要求

在整車風洞進行試驗測量多為以產品開發為目的的工程項目，此類項目相比科研項目有其自身特點。首先，對測試結果的時效性要求高，完成測量后短時間內需得到有效結果；其次，目的性強，在找出聲源問題時，需提供相應的解決方案，對無法解決或對整體提升效果不明顯的聲源關注程度較低，例如，雖然前輪腔是車外最大的氣動聲源，但A柱、后視鏡附近的聲源受關注程度明顯更高。

2 硬件技術發展

2.1 傳聲器陣列

2.1.1 陣列形式選擇

平面傳聲器陣列對遠場定位綜合性能較好，但對測試環境要求更高，而整車聲學風洞半消聲室能很好地滿足此要求。因此，整車風洞外場測量使用的均為平面型陣列。近年來，隨著聲源識別向三維發展[8]，開始使用包含2～3平面陣列形式的組合陣列。

進行車內測量時，球形陣列能一次識別各個方向的聲源[9]，由于車內空間的不規則性，需配合車內空間的三維數模使用。

2.1.2 陣列形狀優化

優化陣列上的傳感器相對位置分布能有效提高系統性能。關于陣列形狀的研究一直是學術界的熱點[10-12]。圖3為4種常用優化陣列形狀。其中，（a）為螺旋形陣列，（b）偽隨機陣列，（c）為全輪輻陣列，（d）為半輪輻陣列。這4種陣列的傳感器間距均經過優化，能達到較優的動態范圍與空間性能的平衡。

圖3 幾種常用的優化陣列形狀

陣列形狀優化研究經過多年發展，技術相對比較成熟，各家聲源識別系統廠商的陣列優化方案已比較完善，對陣列形狀選擇多出于綜合性能平衡考慮。現階段僅通過優化規則陣列形狀，進一步提高工程應用性能的空間較為有限。

2.1.3 陣列大型化

聲源識別系統中傳聲器通道的總數量是陣列性能最基本的限制條件，一定范圍內，增加傳聲器數量能提高系統的各項性能。近年來，整車風洞中使用的傳聲器陣列通道數呈明顯上升趨勢，主流設備單個平面陣列的通道數從30～50個上升為100～200個。

陣列尺寸越大，可測量的低頻截止頻率越低，但系統性能尤其在高頻部分將有所損失。整車風洞測試頻率范圍需求較寬，隨著陣列通道數的提高，陣列尺寸也呈現大型化趨勢[8]。

2.2 數據采樣分析

2.2.1 高系統采樣率

高采樣率能減少復雜計算過程中的數值誤差，因此與傳統聲學采樣定律不同，波束成形聲源識別的采樣率越高越好，達到分析頻率的十倍以上尤佳。整車風洞氣動噪聲源頻率較寬，所以測試系統采樣率普遍不小于48 kHz，較高者可達192 kHz。

2.2.2 并行計算

整車風洞測試時間成本較高，工程應用的時效性要求較短時間內得到結果。現階段波束成形聲源識別系統通道數、采樣率及算法復雜程度都在不斷提高，對計算機處理系統提出了更高的要求。GPU并行計算是解決此問題的有效方法，目前對于波束成形所進行的簡單浮點計算，相同價格的GPU實際效率可比CPU提高5～10倍。

3 軟件技術發展

3.1 高精度算法

最早用于聲源識別的波束成形算法采用時域延時求和，此算法雖然簡單但性能較差，后來逐步被頻域波束成形即互譜延時求和[13]所取代。隨著信號處理技術和計算機技術的進步，各種用于提高波束成形性能的新算法層出不窮，改進算法發展主要有以下幾個方向。

反卷積法通過在傳統波束成形的輸出結果中進行反卷積計算，消除陣列點傳播函數來提高聲源識別性能。典型的反卷積算法包括 DAMAS[14]，NNLS[15]，以及一系列由此衍生的改進算法[16-17]。基于陣列點傳播函數的改進算法受限于點聲源的假設，存在缺陷。此外，反卷積法計算量大、收斂速度慢，限制了在工程方面的應用，雖然一些基于此的改進算法提高了計算效率，但又帶來了準確性的問題。

清除法是一類增強互譜法，其基本思想是在互譜矩陣中反復剔除已確定聲源所產生的互譜，以消除與該聲源相關的旁瓣，進而提高識別精度，CLEAN 算法[18]是此類算法的代表。在此基礎上提出的 CLEAN-SC算法[19]，通過反復在傳統波束成形空間結果中移除與主瓣相干的旁瓣來清晰化聲源識別結果，計算過程不需要重構陣列點傳播函數，計算效率相對較高且能避免點聲源假設與實際聲源不同帶來的誤差，其缺點是無法分辨相干聲源與旁瓣，因而不適合存在多個相干聲源的情況。

譜分解重構法是另一類新型的增強互譜法，其基本思想是對信號互譜矩陣進行特征值分解，重構互譜矩陣函數后再進行波束成形計算。此類算法以函數波束成形法（Functional Beamforming）[20]為代表，通過互譜矩陣進行指數函數計算。此類算法在動態范圍方面有較大優勢，計算效率也比較高，但指數選取過高會出現幅值失真的問題。此類算法具有較大的應用前景，但成熟度略差，目前并未在工程開發中得到廣泛使用。

上述將增強算法分為了3大類進行介紹，事實上各類算法之間的分界并不明顯，也有融合了上述算法思想的一些新算法[21]。關于波束成形的改進算法不斷推陳出新，仍有巨大的發展空間。而在現階段的成熟算法中，CLEAN-SC算法識別精度好、計算效率高，無法分辨相干聲源的局限又通過風洞氣動聲源的弱相干性得到了天然回避[4]，是最適合整車風洞使用的增強算法。

各種增強算法的多元化發展，在給聲源識別提供更多選擇的同時也帶來了一個問題：波束成形通過延時求和得到的聲源幅值的準確度由于算法的機理本身就較低，各種增強算法在提高聲源定位精度與動態范圍的同時進一步增大了幅值誤差。不僅通過不同算法得到的聲源點的聲壓級差異很大，同一種算法使用不同的計算參數設置得到的結果區別也很大。如表1所示，對同一組測試數據使用不同的算法及參數設置，得到的主次聲源位置的聲壓級均不相同。

由表1可知，原始的波束成形算法得到的聲源聲壓級最大，而高精度算法在提高聲源空間分辨率的同時，多次消除相干旁瓣的過程也削弱了實際聲源的幅值，尤其是定位精度最好的CLEAN-SC算法，在高空間分辨率的設置下，聲源幅值比原始算法有明顯的下降。綜上，不同的波束成形算法及設置得到的幅值差異較大，在進行聲源幅值橫向比較時，應嚴格保證數據的采樣率、采樣時間、選用算法及設置完全保持一致。

表1 不同算法得到聲源聲壓級

3.2 剪切層修正

波束成形算法基于準確的聲源點到每個傳聲器的時延，在風洞外場進行測量時，聲波因剪切層發生折射，時延隨之變化，產生聲漂移現象，基本原理[22]如圖4所示。

其中，S表示實際聲源；R’表示聲靜止空氣中傳播經過的路徑；R表示聲實際傳播經過的路徑：流場內R1在波對流作用下，聲的傳播方向會向流動下游偏轉一定的角度，經過剪切層時因速度場變化折射，流場外R2繼續傳播到達陣列Ar；So表示未經修正觀測到的虛假聲源；S至So的距離即為聲漂移量d。

幾何聲學法是聲漂移修正最常用的方法，又稱Amiet方法[23]。此類方法假設流動特性各向同性，將剪切層簡化成一個無限薄渦面或均勻區域，通過剪切層的邊界上壓力和粒子速度連續性、聲線幾何關系和斯奈爾聲折射定律，最終可解得聲線經過剪切層后的傳播方向。此類方法修正值不隨聲源類型、頻率變化，適用范圍廣且計算效率極高，整車風洞所使用的聲源識別系統均采用此方法。但此方法也有局限性，如對聲幅值的修正僅考慮聲擴散，忽略了更為重要的湍流散射，以及聲源區域較為復雜時定位失效的可能。

射線追蹤法將陣列接收到的聲波通過一系列的聲線（波失）表示，結合速度場反推聲線經過的路線，數值積分路徑計算傳播時間再進行波束成形的延時求和計算[24]。此方法介于幾何聲學與計算氣動聲學（CAA）之間，精度比幾何聲學高且能適應各種聲源形狀及復雜的速度場。但聲線網格較密時計算量大，尤其對整車風洞大尺寸、高精度要求的場合并不適應，此外，與其它高精度算法也存在融合性的問題。此方法也在不斷更新以提高計算效率與精度，在高精度要求層面具有一定的應用前景。

3.3 工程應用技術

3.3.1 心理聲學參數

整車風洞進行聲源識別的最終目的是為了改善車輛的噪聲性能。響度、語音清晰度等心理聲學參數可更好地反映乘客的主觀感受，將波束成形后的聲信號進行心理聲學參數計算，形成可視化成像譜圖能更好地幫助工程開發。現階段一些商用聲源識別系統已開發并集成此類功能，并在風洞試驗中取得了較好的效果。

3.3.2 內外相干分析

在整車風洞測試中，進行聲源識別的主要目的是降低車內噪聲，提高車內噪聲水平，通過分析車內外噪聲的相干性，可有效分辨車外噪聲源對車內的貢獻量。具體的方法是在車內駕駛員人耳處布置參考麥克風，對波束成形識別到的外場聲源進行相關分析，按相關性大小記權后生成云圖[6,25]。此類方法能有效識別對車內作用明顯的車外聲源，找到一般波束成形中容易被忽視的聲源點，如雨刮、門把手位置等。

4 總結

波束成形聲源識別技術經過多年發展已較為成熟，十余年來在整車風洞的工程應用也日漸普及，所取得的進展歸納如下：

（1）隨著計算機并行計算能力的進步，陣列向高通道數、大尺寸、更高采樣率發展，聲源識別設備的可測空間范圍和頻率范圍進一步提高，更能適應整車風洞使用。

（2）較為完善的陣列形狀設計配合各種仍在不斷進步的高精度波束成形算法，大幅提高了聲源識別的動態范圍和空間精度，使整車風洞中弱氣動聲源識別更為容易實現，拓寬了工程應用的目標場景。

（3）以工程應用為目的開發的系列算法與軟件模塊數量不斷增加、功能不斷完善，聲源識別設備在整車風洞中的使用便利性大幅提高，可解決的問題種類也在不斷拓展。

波束成形聲源識別在整車風洞中的使用發展趨勢主要有：

（1）硬件技術方面，陣列繼續向著大型化、3D化發展，陣型優化將結合算法進行，系統處理能力也仍在快速發展，硬件層面對聲源識別的性能限制將成為較為次要的因素。

（2）軟件技術方面，繼續提高改進算法的空間精度與動態范圍仍是技術發展的重中之重，算法的效率也需進一步提高，聲源識別獲得聲幅值大小的準確度也值得關注。

（3）使用方面，測試與數據分析處理應逐漸規范化、流程化，避免使用過程的差異帶來的誤差。

綜上所述，隨著汽車行業對氣動噪聲開發的深入，波束成形聲源識別作為一類較為新型且不斷完善的測試技術，在整車風洞試驗中擁有廣闊的使用前景。